一种适用于态势分析的配电网均匀接线图的生成方法

    公开(公告)号:CN103605838A

    公开(公告)日:2014-02-26

    申请号:CN201310537677.4

    申请日:2013-11-01

    Inventor: 章坚民 陈昊

    CPC classification number: Y02E60/76 Y04S40/22

    Abstract: 本发明涉及一种适用于态势分析的配电网均匀接线图的生成方法。本发明首先获取包含变电站和负荷的位置及线路的原始信息;再将变电站和负荷看为节点,并对每个节点遍历与其相连节点,作引力合力计算;再根据点边和边边规避得到斥力矢量和;得到合力后将其代入有牵引力的运动方程以移动节点;迭代至节点的最终位移量小于定值后终止本次拓扑中的节点移动;最后导出节点最终位置,写入SVG,完成该配电网均匀接线图的生成。本发明可满足系统对SVG语法格式的要求;成图效率高;对其进行电压等高线渲染后,图形的渲染效果层次分明,能够大大提升配电网运行人员对电网态势的把控。

    一种防风沙、消尘埃的单轴光伏跟踪发电系统结构

    公开(公告)号:CN102857145A

    公开(公告)日:2013-01-02

    申请号:CN201210406663.4

    申请日:2012-10-23

    Abstract: 本发明公开了一种带防风沙、消尘埃的单轴光伏跟踪发电系统结构。本发明第一固定支架、第二固定支架分别与转动轴的两端相连接,光伏组件的背面固定在转动轴上,在电机带动下,光伏组件可随着转动轴进行0°~360°双向旋转;第二固定支架上设置有电机、控制模块、第一压力传感器和第二压力传感器,且第一压力传感器和第二压力传感器与转动轴的角度分别为a°和(180-a)°;气象观测仪设置在第一固定支架的一侧,监测风向、风速、雨量、光照强度信号,并将监测到的信号传输至控制模块。本发明提高组件表面清洁度,减少热斑效应,保持组件表面的光线入射率,提高光电转化效率,同时能有效地清洗光伏组件表面的灰尘,降低了人工成本。

    一种基于双任务学习的配电网故障定位方法

    公开(公告)号:CN119757948A

    公开(公告)日:2025-04-04

    申请号:CN202411725671.4

    申请日:2024-11-28

    Inventor: 章坚民 郑子航

    Abstract: 本发明公开了一种基于双任务学习的配电网故障定位方法。该首先采集配电网节点与边的特征信息,以故障状态和故障类型作为双重标签制作数据集,通过PCA降维处理后输入配电网单相接地故障定位模型中。所述配电网单相接地故障定位模型为每个负荷节点初始化特征向量,将边特征转换为节点特征,迭代收敛后输入两个通过十字绣单元连接的图卷积神经网络中,进一步学习节点特征,并采用参数软共享的方法同时训练两个图卷积神经网络模型。最后输出样本对应的故障状态与类型。本方法通过双任务学习框架结合配电网故障定位理论,使得快速定位故障的同时提供更详细的故障类型分析,适合城市配电网拓扑变化下的情况。

    基于扇形的变电站为中心配电网单线图初始布局计算方法

    公开(公告)号:CN109858095B

    公开(公告)日:2024-02-06

    申请号:CN201811624144.9

    申请日:2018-12-28

    Inventor: 章坚民 邱程峰

    Abstract: 本发明公开了一种基于扇形的变电站为中心配电网单线图初始布局计算方法,本发明是一种全新的配电网模型;对于该模型,其最大的优势是将变电站所有10kV馈线的单线图,按照辐射状,全部绘制在一个平面上;其困难就是该图形的自动生成方法;采取力导法是计算该单线图的最好方法,但是力导法是一种基于初始布局的方法,如果有良好的初始布局,则将大大加快力导计算的速度,并且获取高质量的最终布线图;目前没有人研究过变电站为中心配电网单线图的自动生成问题;本文提出的基于扇形的变电站为中心配电网单线图初始布局计算方法,为变电站为中心配电网单线图的自动生成提供了优良的初始布局。

    一种基于图卷积神经网络的配电网单相接地故障定位方法

    公开(公告)号:CN114910745A

    公开(公告)日:2022-08-16

    申请号:CN202210741074.5

    申请日:2022-06-27

    Inventor: 章坚民 刘耀珲

    Abstract: 本发明公开了一种基于图卷积神经网络的配电网单相接地故障定位方法。该方法包括:通过FTU终端设备采集配电网馈线段不同状态下的负荷节点与边的特征信息,归一化处理后利用单层全连接神经网络将边特征数据转化为与其相连的节点特征数据,然后将所有节点特征数连接成矩阵后输入图卷积神经网络模型,并利用数据采集时的配电网状态作为标签对网络进行训练,以获得最优图卷积神经网络的结构参数。最后基于训练后的定位模型,对变电站各馈线处发生的故障进行搜索定位,从而通过输出的特征数据得到故障所在的具体支路。本发明利用神经网络方法整合配电网故障定位理论,能有效保证城市复杂配电网故障的定位精度,适合城市配电网拓扑变化下的情况。

    一种SCDN单线图的径向无交叉均匀分布方法

    公开(公告)号:CN111737841A

    公开(公告)日:2020-10-02

    申请号:CN202010846266.3

    申请日:2020-08-21

    Inventor: 章坚民 徐皖秋

    Abstract: 本发明公开了一种SCDN单线图的“径向”无交叉均匀分布方法,具体包括获取处理数据、建立支线-干线模型、确定支线相对干线的位置与夹角大小、计算联络-支线的水平布局、消除联络-水平支线的交叉、计算非联络-支线的水平布局、消除非联络-支线的交叉、完成完整的无交叉SCDN单线图布局。本发明首先生成所有变电站为中心的配电网骨架图,然后补全骨架图的剩余节点,接着完成馈线扇形花布局,采用事先空间占用的平面布局方法,从根本上避免了图形的交叉和重叠,达到无交叉的布局,无需进行后续检查以及交叉的消除,为存在多环路多开闭所所出线的中心城区变电站提供一种SCDN单线图自动生成无交叉优化方法。

Patent Agency Ranking